全国森林资源清查样地标准化和时间归一化数据库的建立

高金萍，雷渊才，高显连，郝月兰，尹华丽

(国家林业局调查规划设计院，北京100714)

全国森林资源清查样地标准化和时间归一化数据库的建立

高金萍，雷渊才，高显连，郝月兰，尹华丽

(国家林业局调查规划设计院，北京100714)

为实现森林生物量和碳储量的年度监测，准确把握森林资源的消长动态，研究探讨了全国森林资源清查样地数据标准化和归一化的技术方法和路线，对以省为单位的最新两期或多期 (1999—2015年)森林资源清查地面样地数据进行标准化和时间归一化，获取目标年度的森林资源样地和样木数据，建立了全国范围的2005，2012和2014年3个年度样地和样木数据库，为我国森林资源数据分析、森林蓄积量和生物量估算等多项工作提供有效地面数据支撑。

森林资源清查;标准化;时间归一化

森林生物量和碳储量监测的发展趋势目前正向监测周期的年度化发展，而以连续定期清查的数据很难准确地提供森林每年的生长量和枯损量以及森林资源消长动态［1－2］。在利用森林资源清查体系的成果研究估计区域或样地森林生物量和碳储量过程中，本文基于森林资源清查体系的地面调查样地成果(1999—2015年样地和样木成果数据)，提出森林资源清查地面样地因子(平均胸径、平均树高和蓄积量等)和样木测树因子(胸径、蓄积等)进行时间归一化计算的技术方案，应用以省为单位的最新两期或多期森林资源清查地面样地成果数据(源数据)，建立时间归一化模型;对样地数据进行标准化和时间归一化处理分析，获取归一到目标年度的森林资源地面样地和样木数据(目标数据)，以满足森林生物量和碳储量不同年度的计算要求［3］。

1 研究方法

对森林资源清查样地数据进行分析，将样地和样木因子分为随时间变化的林分因子与不随时间变化的林分因子两大类。对于不随时间变化的属性因子，目标年度样地特征值与初期、末期样地特征值一致(如果样地数据初期和末期特征值不一致，按照末期样地特征值处理)。对于随时间变化的因子(主要是胸径)，根据变化因子的前期和后期数值建立时间归一化模型，通过模型估测实现目标年度的样地和样木特征值。

1.1 样地样木特征因子分析

根据森林生长特征，样地样木因子分析及按时间归一化方法分析结果如表1。

表1 样地和样木因子时间归一化分析Tab.1 Time normalization analysis of plots and sample trees

1.2 样地样木时间归一化模型方法

样木胸径时间归一化模型方法的可以根据精度要求，选择不同的方法。最简单的是线性内插法或外插法，根据不同年度的样木胸径数据，建立随时间变化的线性关系方程，通过线性插值实现目标年度的样地特征值。

为了适应863课题高精度建模的需要，本成果采用了中国林科院雷渊才教授建立的胸径年生长量基础模型［4］。该模型利用单木胸径(或材积)生长模型开展样木胸径时间归一计算。单木胸径生长归一化计算采用林分年龄(A)、林分优势高(或平均高)(H)、公顷断面积(B)、单木前期胸径(di，t)等变量建立胸径年生长量基础模型。模型公式如下:

式中:

α1—α5为待估参数;

di，t为t年时第i株林木的胸径(cm);

Bt为t年时林分每公顷胸高断面积(m2/hm2);

Ht为t年时林分优势高(m)。

依据式(1)，可以根据实际需要从下面2种方法中任选其一建模。

1.2.1 固定生长率法

固定生长率法即:在生长期内(t～(t+q))，单木的胸径年生长量是固定不变的，式(1)可以写为:

式中:q为调查间隔期，即生长期。

1.2.2 可变生长率法

可变生长率法考虑林分因子(断面积，优势高)在生长期间的变化引起的单木胸径年生长量的变化。单木胸径年生长量方程利用递归方式表达为:

(t+1)年时:

利用可变生长率法，需要考虑林分变量因子(林分胸高断面积，林分优势高)每年的变化。林分优势高(或平均高)反映了立地质量的变化，林分胸高断面积反映了林木株数和林木大小或林分密度的变化［5］。通过建立林分模型预估林分变量因子，并利用预估出来的林分变量因子作为自变量建立样木胸径时间归一化模型。

林分优势高模型如下:

式中:

χ1—χ3，δ1，δ2为待估参数。

1.3 模型精度检验方法

筛选得到样地和样木数据中，80%为模型拟合数据检验，未参加建模的20%数据作为检验数据。

如果有与归一化年度相同的实际测定样地和样木数据，也可以作为检验数据。

可以通过以下统计量进行数据归一化精度拟合和检验评价:平均偏差(Md)、平均绝对偏差(MAD)、均方根误差(RMSE)、决定系数(R2) (在检验数据中称为模型拟合效率系数EF)，其数学表达式分别为:

式中:

yi为在(t+q)年时林木胸径的实际值;

y'i为在(t+q)年时林木胸径的预测值;

n为样本量;

m为参数个数。

2 研究技术路线

样地、样木归一化处理包括样地样木数据获取、样地归一化建模和样地样木数据归一化处理3个主要环节。样地归一化建模包括数据筛选、建模数据选取、模型选择、建模和参数获取、精度检验5个步骤;样地样木数据归一化处理包括样地样木归一化表结构搭建、样地样木数据时间归一化操作等2个主要步骤［6］。主要流程见图1。

图1 样地样木数据归一化主要流程Fig.1 The main flow of sample data normalization

3 研究过程

3.1 建模地点

本研究主要以内蒙大兴安岭一类样地数294个，样地间距8km×8km，样地形状10m×60m，样地面积0.06hm2，分析比较数据归一化的固定生长率和可变生长率方法。为分析林木的动态变化，所采用的样地至少连续调查2次。而且，选择的样地株数在20株以上，根据以上原则，选出固定样地161个。以生长率固定方法和可变方法分别建立了161个样地5个树种的单木直径生长模型和不分树种情况，分析评价了2种数据归一化方法，建议使用可变生长率方法进行样地单木不同树种的数据归一化技术，为准确估计不同时间的单木和样地生物量提供了可靠的方法。

3.2 建模数据统计

见表2和表3单木和林分建模统计指标以及样地各树种株数统计。

表2 林分因子及直径统计表Tab.2 Stand factor and diameter statistics

（续表）

表3 各树种的总株树统计表Tab.3 Total trees of each tree species

3.3 估计结果

按照归一化估计的固定和可变生长率方法，考虑分树种和不分树种情况的估计结果如下:

1)固定生长方法方程估计

表4是固定生长率方法按照分树种(落叶松、栎类、桦木、杨树和其它软阔)和不分树种(Alldata)估计结果的统计指标，由表结果可知固定生长率法按照分树种和不分树种的估计效果基本一致。

表4 固定生长率方法方程估计结果Tab.4 Fixed gowth rate equation estimation results

注:“Alldata”为不分树种建模，“150”—“590”为分树种建模。表5—表11同。

表5是固定生长率法在分树种和不分树种情况下的模型估计参数，利用模型估计参数可以预测任何年度的单木直径变化。

2)可变生长率方法方程估计结果

表6是可变生长率方法按照分树种(落叶松、栎类、桦木、杨树和其它软阔)和不分树种(Alldata)估计结果的统计指标，由表结果可知，可变生长率法按照分树种和不分树种的估计效果基本一致。

表7是可变生长率法的参数估计在分树种和不分树种的结果，利用参数可进行单木直径的归一化计算。

表5 固定生长率方法方程拟合参数Tab.5 Fixed growth rate equation fitting parameter

表6 可变生长率方法方程估计结果Tab.6 Variable growth rate equation estimation results

表7 可变方法方程拟合参数Tab.7 Variable equation fitting parameters

表8和表9是可变生长率方法分树种和不分树种样地林分优势高模型的评价指标和模型拟合参数。分树种和不分树种的估计效果差别不大。

表10和表11是可变生长率方法分树种和不分树种样地林分断面积模型的评价指标和模型拟合参数。分树种和不分树种的估计效果差别不大。

3．4 模型验证

对于上述估计结果使用内蒙大兴安岭样地实测数据171个样地的直径进行了模型验证，使用建模参数验证结果见图2。由图2可知，建模数据不分树种建模的精度略高于分树种建模，分树种建模工作量会增加很多。

表8 林分优势高模型评价指标Tab.8 Evaluation indexes of dominant height stand model

表9 林分优势高直径模型参数Tab.9 Stand height-diameter model parameters

表10 林分断面积模型评价指标Tab.10 Evaluation indexes of stand basal area model

表11 林分断面积模型参数Tab.11 Parameters of stand basal area model

注:括号里是标准误。

图2 分树种和不分树种的预测结果Fig．2 Prediction results of models classified by species and not classified

3．5 模型适用条件分析

1)线性插值法

线性插值法计算简便，能够满足基本要求，但是插值函数曲率或斜率变化较大时，会产生误差，要减小误差需要将基点分的很细，这样就大大增加了计算的难度。

2)固定生长率法

①模型计算比线性插值法复杂，但比可变生长率法简单;

②模型没有考虑林分年龄、林分密度和优势高(或平均高)的变化。

3)可变生长率法

①模型计算相对复杂;

②模型估计考虑了林分年龄、林分密度和优势高(或平均高)的变化。

本研究采用固定和可变生长率方法在分树种和不分树种的情况下估计效果基本相同，如果综合考虑数据精度、工作量、技术复杂度，本研究结果表明固定生长率方法的不分树种建模较为适中。

3．6 计算其他试验区单木直径

应用归一化方法，对内蒙古大兴安岭和黑龙江大兴安岭2005年和2012年的固定样地的单木胸径进行了预测，采用固定样地分树种和不分树种的两种方法。然后以预测的胸径为基础，按单木生物量方程计算单木生物量，累计成为固定样地生物量。按检尺类型和树种特性分类，汇总了2005年和2012年大兴安岭(内蒙古和黑龙江)固定样地的生物量现状、针阔叶比例、常绿和落叶的比例。

同时，使用可变生长率的归一化方法分别建立了云南、吉林、辽宁和黑龙江样地单木生长模型，预测了2005和2012年的单木直径生长变化情况，为区域和样地森林生物量计算提供了计算基础。

4 研究结果

根据样地样木标准化和归一化处理方法，建立了全国范围的2005，2012和2014年3个年度样地和样木数据库。主要提取了遥感生物量估算需要的森林类型、起源、林种、优势树种、平均胸径、平均树高、平均蓄积量等主要因子。形成了2005，2012和2014年3个年度的全国样地和样木归一化数据库成果(表12)。

表12 三期固定样地样木直径归一化到同一年份的省份Tab．12 The provinces of three phase fixed sample tree data normalized to the same year

5 结论与讨论

本数据库成果在863课题“全球森林生物量和碳储量遥感估测关键技术”中，已作为基础成果数据，服务于全国样木生物量(单木级)和全国样地生物量(林分级)计算工作。

本成果充分利用我国森林资源清查数据系统性强、样本量大、连续性好、多因子集成等优势，根据全国第六次到第八次森林资源清查样地和样木成果分析产生，数据精度高、可靠性好，具有较大实际应用价值。由于森林资源监测、经营、管理和评估等各项工作对森林资源清查地面数据的普遍、长期需求，本研究成果可以获取每个年度标准化后、归一化后的森林资源样地和样木数据，除了服务于林业科学研究工作外，还可以为我国森林资源动态变化分析、森林资源监测、森林蓄积量和生物量建模等多项工作提供有效地面数据支撑。

［1］李海奎，雷渊才，曾伟生．基于森林清查资料的中国森林植被碳储量［J］．林业科学，2011(7):7－12．

［2］陈雪峰．试论国家森林资源连续清查体系的建设［J］．林业资源管理，2000(2):3－8．

［3］卢妮妮，王新杰，凌威，等．基于森林资源一类清查数据的中国森林碳贮量估算［J］．中南林业科技大学学报，2015(11): 110－114．

［4］张雄清，雷渊才．可变生长率法和固定生长率法在单木年生长预测中的比较研究［J］．林业科学研究，2009(6):824－828．

［5］张惠光．福建柏单木生长模型的研究［J］．中南林业调查规划，2006(3):1－4．

［6］高金萍，高显连，郝月兰．森林生产力区划和量化分级方法研究——以辽宁省为例［J］．林业资源管理，2014(6):49－53．

Establishment of Standardized and Time Normalized Database of Forest Resources Inventory in China

GAO Jinping，LEI Yuancai，GAO Xianlian，HAO Yuelan，YIN Huali
(Academy of Inventory and Planning，SFA，Beijing 100714，China)

Standardized and time normalized data of the latest two or more forest resource inventory plots in the provinces were achieved to obtain the sample data of the forest resources plots and samples in the target year，and a nationwide database of 2005，2012 and 2014 sample plots and trees were established.It provides effective ground data support for China's forest resource dynamic analysis，forest resource monitoring，forest volume and biomass modeling.

inventory of forest resources，standardization，time normalization

S757.2

A

1002－6622(2017)01－0075－07

10．13466/j．cnki．lyzygl．2017．01．014

2017－01－01;

2017－01－16

高金萍(1976－)，湖北鄂州人，女，高工，博士，主要从事林业碳汇计量监测、森林资源信息管理工作。Email:gaojinping_cz@sina.com

高显连(1964－)，辽宁大连人，男，教授级高工，从事林业碳汇计量监测、森林资源监测和管理工作。